KREA2 人像 LoRA 教程：以自拍数据训练自己

【导语】
以自拍人像数据训练「自己」的 LoRA，基座选 KREA2（口播亦作克林兔/克人兔）。创作者体感：该模型特别适合真实摄影风人像，整体优于部分常见基座（口播对比 ZMH），推荐尝试。下文按口播流程整理：打标 → 检查 → 导出 → 训练 → 硬件与云端注意点。

原视频：https://www.bilibili.com/video/BV1D5Tv6NEuB/

【数据与打标】
数据集准备完成后，打开打标器，在项目管理中新建项目并进入自然语言模式，点「智能生成描述」。
- 标签生成模式按素材与目标选择：人像应选肖像/面部相关模式。
- 输出语言定为英文；最大次数可留默认；高级选项按数据集实际情况勾选。
- 调好后可存为预设，下次直接加载；再点开始执行。

速度：默认模式常被反馈偏慢。口播称大部分时间耗在网络传输，单张标注大约 15–20 秒，模型推理本身并不很长。可酌情调整网络。习惯上标注完成后再点翻译成中文便于审阅；英语熟练则可跳过。

【质检要点】
查看图片标注：描述中不应大量出现面部细节描写——这用于验证「主体过滤」是否生效。关于表情：可以写表情，但不要仔细描述面部细节。

拖拽排序：很多模型官方会规定提示词结构（先场景，再人物动作，再细节）。打标顺序尽量对齐官方习惯。

触发词：
- 放在全部标注最前；
- 选用完全无指向性、无既有语义的词，降低概念污染；
- 添加时务必带句号，否则分句可能把触发词并进第一句，不利于统计频率与位置。

每张图仍需人工扫一眼，去掉错误内容（概率已较低）。

【导出与训练】
检查完成后导出数据集到训练器的数据集目录。打开训练器选自动模式，选中刚导出的集，开始训练即可。

口播称：最新训练器已适配「图图时间步」一类算法，同等条件下训 KREA2 可达到其测试中较好效果。模型亦分享在 RunningHub 等平台可在线试用。

【显存与云端】
口播测试训练器基线显存占用约 12GB，但非常不推荐 20GB 以下显卡实战——显存既影响速度也影响效果。硬件不足可用作者 Windows 云端镜像（低学习成本）或模塔/阿里等官方云端训练器（链接见原视频简介）。

作者：天选嘉鲤敦赵图图